Question

我必须写一些符号。如果我在字符串中查找s，count为3，但如果我正在寻找西里尔字母（н），那就错了。我试图寻找237代码。我在ASCII表http://ascii.org.ru/ascii.pdf中找到了这段代码。

我该如何解决？

#include <stdio.h>
#include <string.h>

int main () {
  char str[] = "This is a string. нннн";
  char * pch;
  int count = 0;

  pch = strchr(str, 's');

  while (pch != NULL) {
    count++;
    pch = strchr(pch + 1, 's');
  }
  printf("%i", count);
  return 0;
}

Answer 1

您必须使用西里尔语编码保存C文件。

如果使用Unicode保存文件，例如UTF-8 н将是一个双字节字形。

0x04 0x3d    (4 61)

不

0xed         (237)

实际上，编译器在解析源文件并遇到以下行时读取的内容：

pch = strchr(str, 'н');

是

pch = strchr(str, 0x0461);

不

pch = strchr(str, 0xed);

根据编辑器的不同，您通常可以更改文件的编码，例如在Vim

set fenc=cyrillic
set fenc=iso-8859-5
etc.

然后

pch = strchr(pch + 1, 'н');

应该按预期工作。否则你可以搜索237的字节值，但是，文件必须是西里尔字母，所有相同的，因为你的输入字符串将具有与源文件相同的编码。

除此之外;调查wchar_t可能是最好的方法。但话又说回来，都取决于具体情况。

Answer 2

我建议切换到wchar_t和宽字符函数（wcschr()等）。

因此程序中的字符数据将存储在32位（Linux）或16位（Windows）而不是8位。这样可以正确处理所有语言环境。

此外，如果您需要使用UTF-8（多字节字符串），mbstowcs()应将数据转换为wchar_t。

完整示例：

#include <stdio.h>
#include <wchar.h>

int main () {
  wchar_t str[] = L"This is a string. нннн";
  wchar_t * pch;
  int count = 0;

  pch = wcschr(str, L'н');

  while (pch != NULL) {
    count++;
    pch = wcschr(pch + 1, L'н');
  }
  wprintf(L"%i", count);
  return 0;
}

西里尔字母问题，搜索字符串

2 个答案: